登录社区云，与社区用户共同成长
邀请您加入社区
现在打开手机，从ChatGPT到抖音AI特效，从淘宝AI客服到Notion AI写作，AI已经渗透到生活的每一个角落。但很多用户的体验是：“我明明让AI做某事，它却给了一堆没用的东西”——问题出在用户不会写“提示词”（Prompt）。就像你给厨师说“做个菜”，厨师可能炒个青菜，而你想要的是“番茄鸡蛋汤”；你说“写篇文章”，AI可能写篇流水账，而你想要的是“针对大学生的考研经验，用故事开头，加3个备
今天给大家介绍一个超实用的AI可视化工具——Napkin AI，都说人是视觉动物，一张好看的图表往往比一大段文字更直观有效，而这款工具就能把繁琐的文字内容转化成生动的可视化效果。使用便捷性使用起来特别简单，你只需要打开官网并登录自己的谷歌账号，就能免费使用这个强大的可视化工具，注册流程也很方便。制作方式Napkin AI提供了两种内容制作方式：你可以直接复制粘贴现有的文本内容，也可以使用它的生成式
以上只是通用的运行库dll处理方式，如果你遇到缺失文件是第三方的软件文件，那么就需要下载到属于这个程序所匹配的版本的文件，然后将这个文件复制到这个程序的安装目录下才能解决问题。如果我们遇到关于文件在系统使用过程中提示缺少找不到的情况，如果文件是属于运行库文件的可以单独下载文件解决，但还是建议安装完整的运行库，可以尝试采用手动下载替换的方法解决问题！文件下载完成后，下方列表会有很多个不同版本的文件，
不同的用户或企业可能有特定的业务需求和应用场景，本地大模型允许用户根据自己的需求对模型进行定制训练。例如，企业可以使用自己的业务数据对模型进行微调，使其更适应特定的业务任务，如特定领域的知识问答、文本生成等。
本文探讨了从简单提示词到动态上下文工程的发展历程。随着AI系统复杂度提升，单一提示词已无法满足需求，促使提示工程向上下文工程演进。文章详细分析了零样本、少样本、思维链等提示技术，以及检索增强生成、函数调用等工具使用方法，并指出长上下文存在性能衰减、"中间迷失"等技术瓶颈。通过"操作系统"类比，提出分层内存、智能体协调等上下文管理策略，强调信息质量优先于数量。
本文介绍了一个企业级知识库管理系统，该系统基于Web平台，集成了文档管理、智能搜索和AI问答等功能。系统采用React+SpringBoot技术架构，支持多格式文档上传和多角色权限控制。主要功能包括文档列表查看、上传、预览，基于知识库的智能问答，全文搜索，以及用户和部门管理（仅限超级管理员）。文章详细说明了各功能模块的使用方法和注意事项，并提供了常见问题解答。系统适用于不同层级的企业用户，通过权限
lvconvert 是 LVM（Logical Volume Manager）工具集中的核心命令，用于修改逻辑卷（LV）的布局类型（如线性、条带、镜像、RAID等），并提供LV数据维护功能（如拆分镜像、合并快照、修复故障等）。其核心作用是调整LV的存储结构以满足冗余、性能或存储效率需求。
Agent Hooks = Git Hooks + AI大脑你可能听说过Git Hooks，比如pre-commit（提交前触发）、post-merge（合并后触发）。Kiro的也一样，但它不是执行一个简单的脚本，而是唤醒一个懂你项目的AI智能体，让它来“看一眼代码”，然后自动做点事。
BGP路由聚合参数详解 BGP路由聚合中的detail-suppressed、as-set和attribute-policy是关键参数，用于控制路由汇总行为： detail-suppressed：仅通告聚合路由，抑制明细路由，适用于简化路由表，但可能丢失部分路径属性。 as-set：保留原始明细路由的AS_PATH信息（用{}表示），防止环路，但可能增加路径复杂性。 attribute-polic
网络安全指网络系统中的硬件、软件以及系统中的数据受到保护，不因偶然或恶意的原因而遭到破坏、更改、泄露，系统连续可靠正常地运行，网络服务不中断。是由计算机硬件，网络和通信设备，计算机软件，信息资源，信息用户和规章制度组成的以处理信息流为目的的人机一体化系统保密性（Confidentiality）：不允许泄露出去完整性（Integrity）：不允许被篡改或被丢失，删库跑路也是不确保数据的完整性可用性（
Ai无法思考提出问题，只能按照人的提示对问题进行思考。很多问题往往难以从文本中找到直接或明确的答案，只能依靠你自己的理解。这种能言简意赅抓住问题本质或要点的能力能够在你日复一日可以写作输出中，通过练习逐渐得到提高，大量的阅读反思，慢慢你就能够找到合适的词语、以最好的方式，简洁而不删减原意地表达某件事情。
AI驱动的量化分析与自动化重构策略，已在多个领域验证其有效性：技术债识别准确率提升至89%系统TPS平均提升320%未来研究方向包括：自适应重构引擎跨系统技术债知识图谱量子计算在复杂系统优化中的应用通过建立“预防-识别-修复-监测”的全生命周期治理体系，企业可将技术债化解纳入数字化转型战略核心，实现长期价值最大化。
过去，大型深度学习模型往往需要在高性能的服务器上运行，现在能够在手机等移动设备上顺利运行，意味着人工智能技术将更加贴近人们的生活，为移动应用带来更多可能性。亿参数大模型在手机上的运行，将为移动端人工智能应用带来更高的模型精度和智能计算能力，有效提升人工智能应用的实时性和个性化定制能力。小米宣布在手机上成功跑通 13 亿参数大模型，意味着人工智能技术在移动端的应用迈出了重要的一步，将为移动终端用户带
关键工具：Airflow（成熟的DAG编排工具）、Prefect（现代Python友好）、Argo Workflows（K8s生态友好）。解决方法：用DAG明确任务依赖DAG（Directed Acyclic Graph，有向无环图）是工作流编排的“黄金标准”。它用节点表示任务（如“渲染提示”“模型推理”），用边表示依赖关系（如“模型推理必须在渲染提示之后执行”），确保流程的正确性。示例：Airf
服务编排：按照一定的业务规则批量管理容器在微服务架构的应用系统中，一般包含 N 个微服务，且每个微服务一般都会部署多个实例。此时，如果每个微服务都要手动启停，维护的工作量会很大。要从 Dockerfile build image 或者去 docker hub 拉取 image要创建多个 container要管理这些 container（启动/停止/删除）...Docker-compose 是一个编
在全球能源转型与可持续发展的大背景下，综合能源管理系统成为优化能源利用、降低能耗、实现绿色发展的关键支撑。传统综合能源管理系统在面对复杂多变的能源供需、海量数据处理以及精细化控制需求时，逐渐显露出局限性。人工智能（AI）技术的飞速发展，为综合能源管理系统注入强大动力，带来革命性变革。它能够对能源数据深度挖掘与分析，实现精准预测、智能调度和自适应优化，全方位提升能源管理效率与效益，推动能源系统向高效
例如，如果网络分区导致集群分裂为两个部分，分别有3个和2个节点，那么只有拥有3个节点的分区能够成功选举领导者并继续服务，而2个节点的分区将无法进行写操作，确保了数据一致性。例如，在一个5节点的ZooKeeper集群中，写操作需要至少3个节点确认，读操作同样需要从3个节点获取数据。其中，脑裂（Split-Brain）问题尤为突出，这是一种典型的分布式故障场景，当集群中的节点因网络分区或其他原因被隔离
云端部署和端侧部署。云端部署，可以做推理加速平台，给特定模型做定制化加速，像 Qwen - 7b 的加速，也可以做大模型推理引擎，在高并发用户场景下，保证用户体验的同时优化延迟和吞吐量。端侧部署，就是要在消费级 GPU/NPU 和边端设备上把模型部署好，还要让领域大模型小型化，实现工程落地。这个岗位对工程、系统和硬件方面的能力都有要求，虽然现在有各种推理框架降低了点难度，但还是挺有挑战性的，不太建
Label Studio是一个开源的数据标注和数据管理平台，由Human Signal开发并维护。它旨在提供一个直观、灵活且可扩展的平台，用于对各种类型的数据（如文本、图像、音频、视频等）进行高质量的标注工作。Label-Studio为计算机视觉领域提供了强大灵活的图像标注解决方案，支持图像分类、物体检测、语义分割等多种标注任务，提升标注效率和准确性。图像分类：根据图像的语义信息将不同类别的图像区
您在 /var/spool/mail/root 中有新邮件NAME=ens33ONBOOT=yesPREFIX=24-rw-r--r--. 1 root root 380 8月17 19:59 /etc/sysconfig/network-scripts/ifcfg-ens33ps：可以通过修改LANG将新语言改为临时 如果要修改需要更改配置文件。
大模型微调（Fine-Tuning）全景解析：从指令微调到高效量化方法
模型训练是“从数据中学习规律”，而推理是“用学到的规律预测结果”。实时推理：用户输入“今天天气怎么样？”，模型立即返回结果（延迟<1秒）；批量推理：给模型10万张图片，模型一次性返回所有图片的分类结果（吞吐量优先）。
如果你们公司正准备做 AI Agent，别先急着选模型、聊 “智能程度”，先找工程师把 “水下的 90%” 捋清楚：要对接哪些系统？权限怎么设？日志怎么存？把这些基础打牢，再谈 AI—— 这才是落地的正确姿势。
enabled;Active: failed (Result: exit-code) since 六 2025-08-30 14:21:25 CST;6s ago8月 30 14:21:24 localhost.localdomain systemd[1]: Starting The nginx HTTP and reverse proxy server...
这样随着请求的愈来愈多，端口就会变得愈来愈少，因此端口很快耗尽，并且大多数端口都处于 time_wait 状态，若是服务器端也支持长链接，那么下次请求来了，就会在上次请求的通道上继续传输，端口使用率大大的下降，就有效的避免了端口耗尽问题。这个值不是越大越好，要根据压测使用的机器而定，一般而言，堆内存的最大值不要超过物理内存的一半，否则容易导致 jmeter 运行变慢、卡顿甚至内存溢出（因为java
网络安全行业正成为年轻人突破学历内卷的高薪新选择。该领域入门门槛低，零基础3-5个月培训即可上岗，应届生起薪轻松过万。数据显示，2025年全球网络安全人才缺口达300万，中国占43%。资深渗透测试工程师年薪超50万，持有OSCP认证者薪资再涨30%。政策推动下，AI深度伪造防护师等新兴岗位年薪可达60万+。行业三大优势：政策保障强、经验价值高、跨界空间大，目前呈现"3岗争1人"
用DAG类定义一个DAG，设置定时规则（每天8点）、重试策略'owner': 'data_ops', # 任务所有者（比如数据运营团队）'start_date': days_ago(1), # DAG开始日期（昨天，这样今天就能测试）'retries': 3, # 失败后重试3次'retry_delay': timedelta(minutes=5), # 每次重试间隔5分钟'email_on_fa
MoonBit是一款由张宏波团队开发的新型编程语言，具有Rust的强大功能和Go的编译速度，支持WebAssembly、JavaScript等多种平台。其优势包括极快的编译速度、超小的代码体积、强大的类型安全系统以及高效的数据处理能力。MoonBit还内置AI辅助编程工具，适合现代开发需求。目前已在教育、云服务等领域取得应用成果，未来有望成为行业主流语言之一。学习资源包括VSCode扩展、在线体验
本文介绍了LLM基础调用的实现方法，包括Prompt设计、参数配置和流式传输等技术要点。文章详细讲解了如何通过Node.js和Next.js搭建服务端架构，实现多轮对话功能，并利用OpenAI兼容API对接大模型。重点阐述了Prompt中system、user、assistant三种角色的作用，以及通过ReadableStream实现流式传输优化用户体验的方法。最后介绍了Markdown内容的格式
随着大模型在生产环境中的广泛应用，其部署运维阶段的安全问题日益凸显。与训练和推理阶段不同，部署运维阶段攻击者可能通过污染模型依赖库、劫持API接口或利用系统漏洞实施攻击，导致模型服务中断、数据泄露等问题。作为《大模型安全攻防技术》专题的收官之作，本文将深入分析大模型在部署运维阶段面临的主要攻击技术，并给出相应的防御方案，为构建安全可靠的大模型生产环境提供参考。
【150字摘要】 "数字守护者"赛道正成为计算机人才的新蓝海，涵盖网络安全、数据加密、应急响应、安全合规四大方向。该领域具备三大优势：150万人才缺口带来低竞争高薪资，经济波动中抗风险能力强，职业天花板高且经验增值。未来趋势聚焦AI安全、物联网防护和云原生安全三大方向。入门建议从实战靶场入手，考取HCIA/CISP等认证，培养攻防思维与合规意识，半年即可入行。相较于传统开发岗，
数字安全领域成为计算机人才新机遇：本文解析"数字守护者"赛道的四大核心岗位（安全构建师、数据管理员、应急响应员、合规顾问），揭示其三大优势（人才缺口大、抗风险能力强、职业天花板高），并预测未来三大趋势（AI安全、物联网安全、云原生安全）。文章提供四步入门指南：从动手实践到考取认证，强调培养"攻防思维"与"合规意识"的重要性。这一赛道不仅需
数字安全领域正成为计算机人才的新机遇。本文系统梳理了这一赛道的四大核心岗位：数字防线构建师、数据保险箱管理员、应急响应专员和安全合规顾问，用实际案例解析了各岗位的具体价值。文章指出该领域具有三大优势：150万人才缺口带来的就业红利、经济下行期的抗风险能力，以及高于开发岗的薪资涨幅和职业天花板。未来3年，AI安全、物联网安全和云原生安全将成为重点发展方向。针对入门者，文章建议从实践靶场开始，考取基础
随着数字化时代的来临，RPA（Robotic Process Automation，机器人流程自动化）技术逐渐成为企业提升效率、降低成本的关键手段。通过深入了解和掌握RPA技术，企业可以在实践中不断探索和创新，实现业务流程的自动化和优化。未来，随着技术的不断进步，RPA将在更多领域得到广泛应用，为企业带来更大的价值。（此处可以详细描述某电商企业如何应用RPA技术实现订单处理、客户服务等流程的自动化
本文介绍了在Windows Server 2022数据中心版系统上完成DeepSeek模型和Docker的离线部署过程，主要包括：1）通过Ollama工具离线安装DeepSeek-r1 14B大语言模型；2）配置Windows系统功能并完成Docker的定制化安装（指定安装路径）；3）下载配置RagFlow知识库系统。整个方案实现了AI模型在内网环境的完整迁移，为企业敏感数据提供了安全的本地化处理
例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。你可以用 exec 打开一个新的 FD，然后向它写exec 3>mylog.txt #将文件描述符 3 重定向到文件mylog.txtecho "hello" >&3 #将 hello 写入到文件描述符 3 关联的文件：mylog.txtexec 3>& #释放文件描述符 3 的
智慧梯控系统技术解析：涵盖人脸识别、二维码、IC卡等多种认证方式，实现无接触操作与智能调度。系统适用于商业楼宇、住宅区、工业园区等场景，通过动态派梯算法可提升40%以上效率。主流方案包括多奥科技等供应商提供的AGV机器人专用梯控系统，支持Modbus通信协议。未来将向多模态认证、AI算法优化方向发展，成为智慧城市重要基础设施。
设计流水线的目的是更方便地使用镜像作为单个或整个流水线的执行环境。
Linux的目录结构及路径描述方式；Linux命令（行）及其基础格式；ls、cd、pwd、相对路径、绝对路径、特殊路径符、mkdir、touch、cat、more、cp、mv、rm、which、find、grep、wc、管道符、echo、tail、重定向符、vi编辑器及命令模式快捷键
1、近期MCP服务器非常火爆，作为LLM大模型的通用工具手脚，MCP可以帮助LLM大模型实现更好的功能。本人经常使用cursor来进行代码的编辑，正巧cursor在0.47版本之后，MCP的相关设置进行了大更新，那么就来尝试一下吧。
你可能听过“自动化”这个词，但传统自动化（比如工厂的流水线）有个致命缺点——只会做“规定动作”。比如快递分拣机器人只会按地址分包裹，但如果地址写错了、包裹易碎，它就傻了；银行的传统审批系统只会核对“有没有填身份证号”，但不会判断“这个身份证号对应的人有没有逾期记录”。而**AI驱动流程自动化（AI-PA）**就是给传统自动化加了个“大脑”——它能读文本、看图片、听声音，还能“猜”用户的需求。客户发
本方案通过Claude Code与QFusion平台的深度集成，构建了统一的数据库管理体系，实现了SOP文档自动化生成、运维流程标准化和数据库操作自动化。这一方案不仅能显著提升运维效率、降低管理成本，还能提高操作安全性和知识传递效率。智能化程度提升引入更高级的AI能力，如异常检测、性能预测和智能优化建议跨平台集成扩展将方案扩展至其他数据库管理平台，实现更大范围的统一管理自助服务门户建设开发面向开发
配置一个从Salesforce到MySQL的数据同步工作流，3天都还没搞定。这是不是你刚接触n8n的样子？
随着大语言模型（LLM）能力的爆发式增长，人工智能正从“被动响应”向“主动智能”跃迁，而Agent（智能体）正是这一跃迁的核心载体。不同于传统 AI 系统的固定流程式交互，Agent具备自主理解需求、规划任务、调用工具、记忆经验并持续优化的能力——其核心差异，在于从“基于Prompt的单次响应”升级为“基于Context的持续智能决策”
ZStack五步无忧迁移：零中断热迁移+无代理全自动，30+国家1000+案例验证，让VMware平滑升级成支持AI应用的一体化新平台
运维
——运维
联系我们（工作时间：8:30-22:00）
400-660-0108 [email protected]
2048 AI社区
讯飞AI开发者社区
